首页> 外文OA文献 >Algoritma Jaringan Syaraf Tiruan Hopfield dan Penerapannya pada Travelling Salesman Problem
【2h】

Algoritma Jaringan Syaraf Tiruan Hopfield dan Penerapannya pada Travelling Salesman Problem

机译:Hopfield人工神经网络算法及其在旅行商问题中的应用

摘要

Permasalahan pedagang keliling atau yang biasa dikenal dengan sebutan Travelling Salesman Problem (TSP) merupakan masalah penentuan rute terpendek dari suatu kota dan mengunjungi kota yang lain tepat satu kali dan kembali ke kota asal keberangkatan. Algoritma jaringan syaraf tiruan Hopfield adalah salah satu algoritma yang digunakan untuk menyelesaikan masalah TSP. Tujuan dari skripsi ini adalah menjelaskan aplikasi Algoritma jaringan syaraf tiruan Hopfield pada TSP, implementasi algoritma jaringan syaraf tiruan Hopfield pada TSP dengan Borland Delphi 2007 dan mengetahui kelebihan dan kekurangan Algoritma jaringan syaraf tiruan Hopfield pada TSP. Inti dari algoritma jaringan syaraf tiruan Hopfield adalah untuk menentukan output nilai aktifasi vXi yang meminimumkan fungsi energi E. Secara garis besar algoritma jaringan syaraf tiruan Hopfield terdiri dari beberapa proses yaitu proses inisialisasi, proses memperbarui nilai aktifasi, proses pengujian stop condition dan proses menghitung jarak perjalanan. Proses yang pertama adalah inisialisasi yaitu menentukan nilai aktifasi (uXi) awal, keluaran nilai aktifasi (vXi) dan parameterparameter yang digunakan untuk perhitungan pada proses analisa yang di dalamnya terdapat aktifasi neuron, uji optimum dan perhitungan jarak. Proses berikutnya adalah aktifasi neuron, yaitu menentukan kenaikan nilai aktifasi (uXi),uXi dan vXi. Hal ini terus berulang sampai dicapainya stop condition. Stop condition dari algoritma jaringan Hopfield untuk TSP adalah ketika energi neuron atau yang dikenal dengan fungsi energi minimum atau E1 + E2 = 0. Tahap inilah yang disebut dengan uji optimum atau analisa rute. Langkah terakhir adalah menghitung jarak dari rute yang ditempuh. Penerapan algoritma jaringan Hopfield pada TSP adalah untuk menentukan rute perjalanan, meskipun rute yang ditemukan tidak minimum. Setelah melakukan percobaan diperoleh bahwa jarak yang dihasilkan untuk setiap satu kali proses dijalankan akan berbeda karena tergantung pada nilai uXi awal yang dihasilkan oleh komputer. Karena algoritma jaringan Hopfield merupakan salah satu jenis dari algoritma heuristik, maka hasil yang dihasilkan belum tentu hasil yang terbaik. Selain itu, algoritma jaringan Hopfield juga memerlukan waktu yang relatif lebih sedikit daripada algoritma Exhaustive sebagai solusi eksak dalam menentukan rute perjalanan.
机译:旅行商人问题或通常称为旅行推销员问题(TSP)的问题是确定从一个城市出发的最短路线,然后精确地访问另一个城市一次,然后返回出发城市。 Hopfield人工神经网络算法是用于解决TSP问题的算法之一。本文的目的是说明Hopfield人工神经网络算法在TSP上的应用,结合Borland Delphi 2007在TSP上实现Hopfield人工神经网络算法,并了解Hopfield人工神经网络算法在TSP上的优缺点。 Hopfield人工神经网络算法的核心是确定使能量函数E最小的vXi激活的输出值。一般而言,Hopfield人工神经网络算法包括几个过程,即初始化过程,更新激活值的过程,测试停止条件的过程以及计算行进距离的过程。第一个过程是初始化,即确定初始激活值(uXi),输出激活值(vXi)和用于分析过程的计算参数,其中存在神经元激活,最佳测试和距离计算。下一个过程是神经元的激活,它决定激活值(uXi),uXi和vXi的增加。这一直持续到达到停止条件为止。用于TSP的Hopfield网络算法的停止条件是当神经元的能量或称为最小能量函数或E1 + E2 = 0时。此阶段称为最佳测试或路径分析。最后一步是计算所走路线的距离。 Hopfield网络算法在TSP上的应用是确定行驶路线,即使找到的路线不是最小的。进行实验后,发现该过程每次运行所生成的距离将有所不同,因为它取决于计算机生成的初始uXi值。因为Hopfield网络算法是一种启发式算法,所以产生的结果不一定是最佳结果。另外,作为确定行进路线的精确解决方案,Hopfield网络算法还需要比穷举算法相对更少的时间。

著录项

  • 作者

    Hasri Dyah Anggeraini;

  • 作者单位
  • 年度 2010
  • 总页数
  • 原文格式 PDF
  • 正文语种 {"code":"id","name":"Indonesian","id":20}
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号